怎么查旅游景点人数？
旅游信息统计包括旅游经济、旅游人口和旅游环境等方面的内容，主要采用普查和抽样调查两种基本方法进行数据获取与处理工作，是区域发展状况评价的重要指标体系之一。 1.研究思路与方法
在分析现有旅游业统计数据的基础上，选择旅游者消费量、旅游企业营业收入等4项核心指标作为评价参数；根据各参数的数量特征确定权重值，构建旅游经济发展水平综合评价模型；利用主成分分析和因子分析建立旅游者人数和旅游企业数等3个基础指标的量化模型，进而通过层次分析法确定其权重系数，并以此为基础得出总体的评价结果。 在上述工作中，本文主要运用了数理统计和相关分析等方法来对数据进行预处理及定量描述，而主成分分析和因子分析则是运用SPSS专业统计软件实现的。
2.数据来源 本论文选取我国46个大中城市的旅游统计数据为原始数据。这些城市大致分布在全国各地，且具有较高的代表性。其中，北京等10个城市位于东部地区，长春等19个城市位于中部地区，拉萨等17个城市位于西部地区。为了客观评价各地区间旅游产业发展的差异性，本论文将这46个城市划分为三大经济区，即东部沿海经济区（包含前10个城市）、中部崛起经济区（包含后19个城 市）以及西部大开发经济区（包含最后17个城市），从而能够更加有效地反映不同经济区间的旅游业发展的现状及其差异。
3.实证过程 (一)数据的标准化处理 根据所选择的46个大中城市的旅游统计数据，按以下公式计算出每个城市的各项数值：Xij=(Xij-min)/(max-min)×100%，其中X代表旅游收入或游客人数，i代表直辖市或者省会城市，j代表其他城市（不包括港澳台），min和max分别是样本数据中的最小值和最大值。
在此基础上，对46座城市的相关数据进行标准化处理后得到如表所示的结果： 从以上表格可以看出各个城市之间指标值的差异较大。因此，为了能够更好地进行综合分析，有必要对各指标的平均值进行调整使其均值为0标准差为1，具体调整步骤如下： 对标准化的原始数据分别减去各自平均值再除以各自的方差： 经过这样的变换之后，所有的数据都变为了标准差为1并且平均值为0的随机变量。这样既避免了不同指标数值单位上的差异也消除了极值的影响，为进一步的分析提供了方便。
(二)旅游产业发展水平的定量评估
按照公式Yik=aik+bilnxi+bi2lnx2+…+bimlnxim+emi计算出旅游产业综合发展得分。 式子中的aik、bi分别为权数和基准分值；xj则是指第i个城市在第k类指标下的分值，见下表：
根据以上公式可以算出游客消费额、旅行社接待海外游客人数和旅游外汇收入三个项目的权数均为0.15，饭店客房销售数量指标的权数为0.38，其余两个基础性指标的旅游企业数量和从业人员人数的权重为0.21。
由此可得四个指标对应的基准分分别为： 最终可得全国46个大中城市的综合分值如下表 由上表可见，除了北京、上海和广州这三个超大型城市之外，其他大多数城市都没有达到“优秀”的水平，这说明目前我国的大多数大中城市还处在比较传统的旅游业发展阶段，缺乏创新意识。同时从中也可以看出我国的四大经济区之间的差别比较大，东部地区的分数明显高于另外两大地区。这一方面是由于东部的旅游资源要丰富于西部的缘故，另一方面则是因为近年来国家加大了对东部地区的政策扶持力度所致。但是这也从另一个侧面反映出东西部地区差距逐渐扩大的现实情况。
(三)基础指标的量化 旅游企业数和旅游者人数的统计数据来源于第四次全国旅游普查的数据资料，但由于该次普查是在2016年进行的，时间较为久远，所以有必要对其进行处理以适应目前的研究需要。考虑到目前许多城市已经取消了地市级及以下旅游部门的设置，所以在进行相关运算时应当以县级行政区域为单位重新加以统计。由于部分城市的行政划分变化，故在此选用2010年的各县行政区划图代替目前的最新状态进行计算。 首先，用ArcGIS将全国的县行政区域图加载进来，然后逐一标注所有地级市的名称并按照顺序编号，接着依次打开各个地级市的地形图，并将地形图中相应地级市的边界提取出来并与上面标注的顺序号相匹配。这样就能自动生成地级市的所有县域的地理坐标及边界信息文件了。 最后将这些信息导入到Excel表格里面并按行政区划代码排序，就可以得到下图所示的表格： 从上表中我们可以看到，除北京、天津等少数几个特大城市外，绝大多数城市都是以区级行政单元作为一级政区的。因此在以后的工作中如果还要引用此份数据的话就必须将其转换成相应的县级行政区划代码方可使用。 一方面是由于县级以下的乡镇街道一般没有自己的旅游景区，因而也就无法直接统计出其具体的游客数量；另一方面则是由于县级行政区往往拥有较多的旅游资源点，而且它们彼此之间的距离也比较近，因此可以通过抽样调查的方式来估算整个区域范围内游客的总体规模的大小。 我们最终选择了将县级行政区作为一个基本的统计单立来进行后续的计算和分析。